前言

吳恩達的課程堪稱經(jīng)典，有必要總結(jié)一下。
學(xué)以致用，以學(xué)促用，通過筆記總結(jié)，鞏固學(xué)習(xí)成果，復(fù)習(xí)新學(xué)的概念。

目錄

文章目錄

• 前言
• 目錄
• 正文
• • 梯度下降導(dǎo)數(shù)
  • 計算圖
  • 邏輯回歸的梯度下降

正文

本章主要引入典型問題，圖像二值分類。

圖像二分類問題，是否有貓
## 邏輯回歸

典型算法 邏輯回歸，設(shè)定圖象閾值，判斷0-1問題。
邏輯回歸代價函數(shù)。
梯度下降算法
目標(biāo)是找到最優(yōu)的參數(shù)使得代價函數(shù)最小。
梯度下降算法的流程。

梯度下降導(dǎo)數(shù)

導(dǎo)數(shù)的直觀解釋
更多導(dǎo)數(shù)的直觀解釋
更多導(dǎo)數(shù)的例子

計算圖

計算圖的形式化展示
計算導(dǎo)數(shù)
計算導(dǎo)數(shù)的形式化展示。

邏輯回歸的梯度下降

邏輯回歸的計算流程
邏輯回歸的導(dǎo)數(shù)
在m個樣本上進行邏輯回歸。
計算細(xì)節(jié)
#計算加速：向量化
向量化提高運算速度。
向量化運算的例子
向量化和矩陣值函數(shù)。
邏輯回歸導(dǎo)數(shù)
向量化邏輯回歸函數(shù)
向量化邏輯回歸
實現(xiàn)邏輯回歸
python里的廣播機制
廣播例子

總結(jié)

以上是生活随笔為你收集整理的吴恩达 coursera AI 第二课总结+作业答案的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。